Prediksi Harga Bitcoin Dengan Menggunakan Recurrent Neural Network

Abstract

Abstrak Bitcoin adalah salah satu kurensi elektronik yang bersifat terdesentralisasi dan tidak diatur atau dijamin oleh otoritas pusat. Sebagai sebuah sistem yang masih berusia muda, mengakibatkan harga Bitcoin sangat fluktuatif dan sering kali membuat resah pengguna dan investor Bitcoin. Oleh karena itu, diusulkan sebuah metode atau sistem prediksi harga Bitcoin dengan mempelajari pola dan tingkah laku data time series harga historisnya. Sebelumnya telah dilakukan penelitian yang serupa yaitu prediksi harga Bitcoin dengan menggunakan Support Vector Machines. Teknik yang diusulkan pada penelitian ini yaitu prediksi harga Bitcoin dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Recurrent Neural Network (RNN). Semakin optimal model yang dibangun maka akan semakin tinggi pula akurasi yang dihasilkan. Bobot RNN yang optimal dapat diperoleh dengan algoritma optimasi Backpropagation Through Time (BPTT). Dari proses pelatihan dan pengujian, didapatkan akurasi terbaik sebesar 98.76% pada data latih dan 97.46% pada data uji.

Kata kunci : Bitcoin, Recurrent Neural Network, Data Time Series, Prediksi, Backpropagation Through Time

Abstract Bitcoin is a decentralized digital currency, as the system works without a central bank or single administrator. As the system is still young, Bitcoin prices are very volatile and often make users and investors worried. Therefore, the author proposed a method or a system of Bitcoin prices prediction by studying the pattern and behavior of time series data. Previously, a similar study has been conducted, the prediction of Bitcoin prices using Support Vector Machines. The technique proposed in this research is Bitcoin prices prediction using one of Artificial Neural Network architecture (ANN) which is Recurrent Neural Network (RNN). The more optimal the model is built the higher the accuracy will be produced. The optimal RNN weight can be obtained with Backpropagation Through Time (BPTT) optimization algorithm. From the training and testing processes, the model archieves the highest accuracy of 98,76% on training data and 97,46% on testing data.

Keywords: Bitcoin, Recurrent Neural Network, Time Series Data, Forecasting, Backpropagation Through Time